ПРОГНОЗИРОВАНИЕ ЦЕНЫ НА ЭЛЕКТРОЭНЕРГИЮ НА РЫНКЕ «НА СУТКИ ВПЕРЕД» ВО ВТОРОЙ ЦЕНОВОЙ ЗОНЕ
|
Аннотация
ВВЕДЕНИЕ 5
1 Оптовый рынок электроэнергии и мощности в России 8
1.1 Особенности рынка электроэнергии в России 8
1.2 Основные принципы организации оптового рынка электроэнергии и мощности 16
2 Проблема прогнозирования цены на электроэнергию на рынке «на сутки вперед» 23
2.1 Особенности ценообразования на рынке «на сутки вперед» 23
2.2 Анализ цен на электроэнергию на рынке «на сутки вперед» 28
2.3 Модели краткосрочного прогнозирования цен в электроэнергетике 33
3 Построение модели прогнозирования цены на электроэнергию на рынке «на сутки
вперед» во второй ценовой зоне 47
3.1 Сбор данных, первичный статистический и эконометрический анализ 47
3.2 Построение прогнозной модели типа SARIMA 52
3.3 Прогнозирование на основе нейронной сети 75
ЗАКЛЮЧЕНИЕ 86
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 88
ПРИЛОЖЕНИЕ А Распределение цены на электроэнергию на рынке «на сутки вперед» по дням недели 97
ВВЕДЕНИЕ 5
1 Оптовый рынок электроэнергии и мощности в России 8
1.1 Особенности рынка электроэнергии в России 8
1.2 Основные принципы организации оптового рынка электроэнергии и мощности 16
2 Проблема прогнозирования цены на электроэнергию на рынке «на сутки вперед» 23
2.1 Особенности ценообразования на рынке «на сутки вперед» 23
2.2 Анализ цен на электроэнергию на рынке «на сутки вперед» 28
2.3 Модели краткосрочного прогнозирования цен в электроэнергетике 33
3 Построение модели прогнозирования цены на электроэнергию на рынке «на сутки
вперед» во второй ценовой зоне 47
3.1 Сбор данных, первичный статистический и эконометрический анализ 47
3.2 Построение прогнозной модели типа SARIMA 52
3.3 Прогнозирование на основе нейронной сети 75
ЗАКЛЮЧЕНИЕ 86
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 88
ПРИЛОЖЕНИЕ А Распределение цены на электроэнергию на рынке «на сутки вперед» по дням недели 97
Рынок электроэнергии - один из самых технологически сложных рынков в мире, на нем покупается и продается уникальный товар - электроэнергия, особенностью которого, является невозможность его накопления и хранения. В современном мире электроэнергия является ресурсом, который потребляется всеми действующими экономическими агентами, и цена данного ресурса представляет собой значимый фактор для оценки динамики экономики, как отдельного предприятия, так и страны в целом.
В настоящее время на территории Российской Федерации действует двухуровневый (оптовый и розничный) рынок электроэнергии и мощности. Но так было не всегда, не так давно отрасль подверглась реформации, которая продолжается и сегодня. На данный момент рынок электроэнергии проходит этапы перехода от регулируемого к нерегулируемому рынку, что в свою очередь ставит перед теоретиками и практиками ряд новых нестандартных задач в области стратегического планирования и прогнозирования.
В современных условиях либерализации отношений между субъектами рынка электроэнергетики прогнозирование конъюнктуры рынка стало широкой областью для научных исследований. Относительно прогнозирования цен на электроэнергию можно говорить, что данное направление достаточно молодое, и свою актуальность приобрело с момента масштабного развития конкурентных отношений в отрасли.
Оптовый рынок электрической энергии и мощности - это особая торговая площадка, на которой продается и покупается электроэнергия и мощность большинства поставщиков России. В торгах принимают участие крупные производители, они же владельцы генерирующих объектов и покупатели - энергосбытовые компании и крупные потребители. Участники рынка функционируют в конкурентных условиях, где каждый день сталкиваются с проблемами формирования рыночной стратегии и планирования будущих финансовых потоков. В этих условиях, задача прогнозирования цены на электроэнергию становится неотъемлемой и повседневной задачей для большинства участников рынка.
Рынок «на сутки вперед» представляет собой проводимый коммерческим оператором АО «Администратор торговой системы» конкурентный отбор ценовых заявок поставщиков и покупателей. Главный критерий, по которому отбираются поставщики электроэнергии на ближайшие сутки, - конкурентоспособность ценовых заявок. Учитывая сложный механизм ценообразования на рынке «на сутки вперед» явным и очевидным становится факт заинтересованности участников энергетического рынка в возможности прогнозирования цены с целью повышения эффективности их деятельности на рынке.
Сложность решения проблемы прогнозирования во многом определяется уникальностью электроэнергии как продукта, и это проявляется в характерном для нее ценообразовании. Оптовая цена электрической энергии, формируемая на рынке «на сутки вперед», в большей степени, по сравнению с другими ценовыми параметрами, подвержена волатильности под влиянием как циклических, так и стохастических факторов.
Актуальность темы прогнозирования цен на электроэнергию обусловлена необходимостью наличия у хозяйствующих субъектов обоснованных знаний о перспективных уровнях цен в существующих условиях неопределенности и волатильности в отрасли в целях снижения возможных рисков и повышения качества планирования и прогнозирования своей деятельности на рынке электроэнергии. При этом особенно значимым и весьма эффективным инструментом оказывается использование эконометрических методов анализа и прогнозирования.
В связи с этим была поставлена цель - провести анализ ценообразования на оптовом рынке электроэнергии и разработать математическую модель прогнозирования цены на рынке «на сутки вперед» для второй ценовой зоны.
Для реализации поставленной цели необходимо выполнить следующие задачи:
1) изучить аспекты функционирования рынка электроэнергии и мощности в России, проанализировать этапы реформирования отрасли;
2) рассмотреть основные принципы организации оптового рынка электроэнергии и мощности в России;
3) выявить особенности ценообразования на рынке «на сутки вперед», определить основные факторы, определяющие цену на электроэнергию;
4) провести анализ цен на электроэнергию на рынке «на сутки вперед» и сравнить результаты по двум ценовым зонам;
5) рассмотреть модели прогнозирования цен в электроэнергетике;
6) построить прогнозную модель типа S ARIMA для второй ценовой зоны;
7) построить прогнозную модель с использованием нейронной сети для второй ценовой зоны;
8) провести сравнительный анализ полученных моделей, описать точность моделей и ошибки прогноза, предложить наилучшую модель.
Объектом исследования выступает оптовый рынок электроэнергии и мощности в России.
Предметом исследования стало прогнозирование цены на электроэнергию на
рынке «на сутки вперед».
Методологической основой исследования послужили методы познания, методы логического анализа и синтеза, наблюдение, сравнительный анализ, экономикоматематическое моделирование, инструменты корреляционного и регрессионного анализа, методы прогнозирования временных рядов, графический метод.
Правовой основой работы выступают федеральные законы и подзаконные акты Российской Федерации. Информационной основой - учебные пособия, статьи в различных изданиях и другие источники, а также средства массовой информации и сайты в сети Интернет. Практическая направленность исследования потребовала изучения и анализа научных трудов отечественных и зарубежных экономистов по вопросам ценообразования на рынке электроэнергии, а также особенностей и проблем в этой области. Статистические данные, используемые для исследования, взяты с официального сайта АО «Администратор торговой системы» [66].
Научная новизна результатов исследования состоит в том, что разработана модель прогнозирования цены на электроэнергию на рынке «на сутки вперед» во второй ценовой зоне с учетом особенностей данного сегмента рынка, заключающихся в ярко выраженной сезонности и высокой волатильности. Предложена модель типа SARIMA, интегрирующая две подмодели, с учетом сезонного характера рынка «на сутки вперед» и модель на основе нейронной сети, построенная на строго детерминированных на прогнозный период факторах, характерных для рынка «на сутки вперед».
Практическая значимость исследования заключается в том, что результаты исследования могут быть использованы участниками энергетического рынка при планировании деятельности на оптовом рынке.
Диссертация состоит из введения, трех глав, заключения, списка литературы из 101 источника и 7 приложений. В первой главе рассмотрены основные аспекты и принципы функционирования оптового рынка электроэнергии и мощности в России, проанализированы этапы реформирования отрасли. Вторая глава включает рассмотрение особенностей ценообразования на рынке «на сутки вперед», анализ цен на электроэнергию на рынке «на сутки вперед» и описание основных моделей прогнозирования цен в электроэнергетике. В третьей главе работы описывается процедура подготовки данных и результаты их первичного статистического анализа; строится прогнозная модель типа SARIMA и модели на основе нейронной сети. В заключении приводятся краткие сведения о полученных результатах, выполняется сравнение точности построенных моделей, даются рекомендации по их использованию.
Основной текст диссертации содержит 87 страниц и включает 8 таблиц, 70 рисунков, 20 формул.
В настоящее время на территории Российской Федерации действует двухуровневый (оптовый и розничный) рынок электроэнергии и мощности. Но так было не всегда, не так давно отрасль подверглась реформации, которая продолжается и сегодня. На данный момент рынок электроэнергии проходит этапы перехода от регулируемого к нерегулируемому рынку, что в свою очередь ставит перед теоретиками и практиками ряд новых нестандартных задач в области стратегического планирования и прогнозирования.
В современных условиях либерализации отношений между субъектами рынка электроэнергетики прогнозирование конъюнктуры рынка стало широкой областью для научных исследований. Относительно прогнозирования цен на электроэнергию можно говорить, что данное направление достаточно молодое, и свою актуальность приобрело с момента масштабного развития конкурентных отношений в отрасли.
Оптовый рынок электрической энергии и мощности - это особая торговая площадка, на которой продается и покупается электроэнергия и мощность большинства поставщиков России. В торгах принимают участие крупные производители, они же владельцы генерирующих объектов и покупатели - энергосбытовые компании и крупные потребители. Участники рынка функционируют в конкурентных условиях, где каждый день сталкиваются с проблемами формирования рыночной стратегии и планирования будущих финансовых потоков. В этих условиях, задача прогнозирования цены на электроэнергию становится неотъемлемой и повседневной задачей для большинства участников рынка.
Рынок «на сутки вперед» представляет собой проводимый коммерческим оператором АО «Администратор торговой системы» конкурентный отбор ценовых заявок поставщиков и покупателей. Главный критерий, по которому отбираются поставщики электроэнергии на ближайшие сутки, - конкурентоспособность ценовых заявок. Учитывая сложный механизм ценообразования на рынке «на сутки вперед» явным и очевидным становится факт заинтересованности участников энергетического рынка в возможности прогнозирования цены с целью повышения эффективности их деятельности на рынке.
Сложность решения проблемы прогнозирования во многом определяется уникальностью электроэнергии как продукта, и это проявляется в характерном для нее ценообразовании. Оптовая цена электрической энергии, формируемая на рынке «на сутки вперед», в большей степени, по сравнению с другими ценовыми параметрами, подвержена волатильности под влиянием как циклических, так и стохастических факторов.
Актуальность темы прогнозирования цен на электроэнергию обусловлена необходимостью наличия у хозяйствующих субъектов обоснованных знаний о перспективных уровнях цен в существующих условиях неопределенности и волатильности в отрасли в целях снижения возможных рисков и повышения качества планирования и прогнозирования своей деятельности на рынке электроэнергии. При этом особенно значимым и весьма эффективным инструментом оказывается использование эконометрических методов анализа и прогнозирования.
В связи с этим была поставлена цель - провести анализ ценообразования на оптовом рынке электроэнергии и разработать математическую модель прогнозирования цены на рынке «на сутки вперед» для второй ценовой зоны.
Для реализации поставленной цели необходимо выполнить следующие задачи:
1) изучить аспекты функционирования рынка электроэнергии и мощности в России, проанализировать этапы реформирования отрасли;
2) рассмотреть основные принципы организации оптового рынка электроэнергии и мощности в России;
3) выявить особенности ценообразования на рынке «на сутки вперед», определить основные факторы, определяющие цену на электроэнергию;
4) провести анализ цен на электроэнергию на рынке «на сутки вперед» и сравнить результаты по двум ценовым зонам;
5) рассмотреть модели прогнозирования цен в электроэнергетике;
6) построить прогнозную модель типа S ARIMA для второй ценовой зоны;
7) построить прогнозную модель с использованием нейронной сети для второй ценовой зоны;
8) провести сравнительный анализ полученных моделей, описать точность моделей и ошибки прогноза, предложить наилучшую модель.
Объектом исследования выступает оптовый рынок электроэнергии и мощности в России.
Предметом исследования стало прогнозирование цены на электроэнергию на
рынке «на сутки вперед».
Методологической основой исследования послужили методы познания, методы логического анализа и синтеза, наблюдение, сравнительный анализ, экономикоматематическое моделирование, инструменты корреляционного и регрессионного анализа, методы прогнозирования временных рядов, графический метод.
Правовой основой работы выступают федеральные законы и подзаконные акты Российской Федерации. Информационной основой - учебные пособия, статьи в различных изданиях и другие источники, а также средства массовой информации и сайты в сети Интернет. Практическая направленность исследования потребовала изучения и анализа научных трудов отечественных и зарубежных экономистов по вопросам ценообразования на рынке электроэнергии, а также особенностей и проблем в этой области. Статистические данные, используемые для исследования, взяты с официального сайта АО «Администратор торговой системы» [66].
Научная новизна результатов исследования состоит в том, что разработана модель прогнозирования цены на электроэнергию на рынке «на сутки вперед» во второй ценовой зоне с учетом особенностей данного сегмента рынка, заключающихся в ярко выраженной сезонности и высокой волатильности. Предложена модель типа SARIMA, интегрирующая две подмодели, с учетом сезонного характера рынка «на сутки вперед» и модель на основе нейронной сети, построенная на строго детерминированных на прогнозный период факторах, характерных для рынка «на сутки вперед».
Практическая значимость исследования заключается в том, что результаты исследования могут быть использованы участниками энергетического рынка при планировании деятельности на оптовом рынке.
Диссертация состоит из введения, трех глав, заключения, списка литературы из 101 источника и 7 приложений. В первой главе рассмотрены основные аспекты и принципы функционирования оптового рынка электроэнергии и мощности в России, проанализированы этапы реформирования отрасли. Вторая глава включает рассмотрение особенностей ценообразования на рынке «на сутки вперед», анализ цен на электроэнергию на рынке «на сутки вперед» и описание основных моделей прогнозирования цен в электроэнергетике. В третьей главе работы описывается процедура подготовки данных и результаты их первичного статистического анализа; строится прогнозная модель типа SARIMA и модели на основе нейронной сети. В заключении приводятся краткие сведения о полученных результатах, выполняется сравнение точности построенных моделей, даются рекомендации по их использованию.
Основной текст диссертации содержит 87 страниц и включает 8 таблиц, 70 рисунков, 20 формул.
Цель и задачи, поставленные в магистерской диссертации, выполнены. Изучены основные аспекты и принципы функционирования оптового рынка электроэнергии и мощности в России. Рассмотрены особенности ценообразования на рынке «на сутки вперед», проведен анализ цен на электроэнергию на рынке «на сутки вперед» и описаны основные модели прогнозирования цен в электроэнергетике. Осуществлено построение прогнозной модели типа SARIMA и моделей на основе нейронных сетей. Резюмируя, можно сделать следующие выводы.
Рынок «на сутки вперед» - это один из секторов оптового рынка электрической энергии и мощности, он представляет собой проводимый коммерческим оператором АО «АТС» конкурентный отбор ценовых заявок поставщиков и покупателей в двух ценовых зонах - Европейская часть и Сибирь. На РСВ цена зависит от часа суток, дня недели, периода года. Главный критерий, по которому отбираются поставщики электроэнергии на ближайшие сутки, - конкурентоспособность ценовых заявок.
Сложность решения проблемы прогнозирования цены на электроэнергию во многом определяется уникальностью электроэнергии как продукта, и это проявляется в характерном для нее ценообразовании. Ценообразование на рынке электроэнергии является важным аспектом при его анализе. Во второй ценовой зоне цены заметно снижаются летом и относительно стабильны в остальное время. Тенденция роста цен на электроэнергию за последние три года в первой ценовой зоне более очевидна, чем во второй. Рынок обладает высокой волатильностью, вызванной изменениями спроса и предложения в результате совокупного влиянием большого количества факторов. В динамике цен наблюдаются сезонные колебания (недельные и годовые).
Оптимальным методом прогнозирования цены на электроэнергию из класса параметрических моделей, является сезонная модель авторегрессии - скользящего среднего SARIMA, учитывая сезонный характер рынка. В результате исследования, подобран метод с разделением данных на два подмножества: ноябрь-апрель и май- октябрь, и дальнейшим построение прогнозной модели для каждого из них. Такой метод позволят с большей точностью моделировать исходный ряд и предсказывать будущие значения.
Среди класса моделей искусственного интеллекта были проанализированы следующие: многослойный перцептрон прямого распределения, однослойная
рекуррентная нейронная сеть LSTM, которые строились на основе исторических данных индекса РСВ и нейронная сеть на основе факторов, определяющих цену РСВ.
Применение нейронной сети для краткосрочного прогнозирования цены на электроэнергию, основываясь только на строго детерминированных на прогнозный период факторах, превзошло результаты нейронных сетей на основе исторических данным. Результаты факторного моделирования с помощью нейронной сети показывают, что предложенный набор из пяти факторов (цена за предыдущий день, цена в аналогичный день на прошлой неделе, день недели и бинарные переменные, относящие текущий день к рабочему дню или к выходному/праздничному дню) позволяет с высокой точностью построить недельный прогноз цены на рынке «на сутки вперед».
Сравнения между собой нейронные сети и параметрические модели, все большее предпочтение сегодня отдается в пользу моделей искусственного интеллекта. В свою очередь параметрические модели имеют очень четкое математико-статистическое обоснование, что делает их одними из наиболее научно обоснованных моделей, у них формализованная и наиболее подробно разработанная методика, следуя которой можно подобрать модель, наиболее подходящую к каждому конкретному временному ряду. Однако у таких моделей есть существенные недостатки. Среди них неадаптивность моделей: при получении новых данных модель нужно периодически переоценивать, а иногда - и переидентифицировать. Подбор оптимальных параметров требует больших затрат ресурсов и времени. Само же построение модели скорее является "искусством", то есть требует большого опыта со стороны прогнозиста.
По сравнению с линейными методами статистики нейронные сети позволяют эффективно строить нелинейные зависимости. Совершенно очевидно, что свою силу они черпают, во-первых, из распараллеливания обработки информации и, во-вторых, из способности самообучаться. Используя способность обучения на множестве примеров, нейронная сеть способная решать задачи, в которых неизвестны закономерности развития ситуации и зависимости между входными и выходными данными. Нейронные сети обладают способностью адаптироваться к изменениям окружающей среды. В частности, сети, обученные действовать в определенной среде, могут быть легко переучены для работы в условиях незначительных колебаний параметров сети.
На сегодняшний день потенциал применения нейронных сетей в области электроэнергетики не ограничивается только прогнозированием цен на электроэнергию, нейронные сети могут применяться для анализа технического состояния и оценки надежности энергогенерирующего оборудования, прогнозирования потребления электроэнергии, оптимизации распределения нагрузки и для решения других экономических задач, стоящих перед электроэнергетическими компаниями.
Рынок «на сутки вперед» - это один из секторов оптового рынка электрической энергии и мощности, он представляет собой проводимый коммерческим оператором АО «АТС» конкурентный отбор ценовых заявок поставщиков и покупателей в двух ценовых зонах - Европейская часть и Сибирь. На РСВ цена зависит от часа суток, дня недели, периода года. Главный критерий, по которому отбираются поставщики электроэнергии на ближайшие сутки, - конкурентоспособность ценовых заявок.
Сложность решения проблемы прогнозирования цены на электроэнергию во многом определяется уникальностью электроэнергии как продукта, и это проявляется в характерном для нее ценообразовании. Ценообразование на рынке электроэнергии является важным аспектом при его анализе. Во второй ценовой зоне цены заметно снижаются летом и относительно стабильны в остальное время. Тенденция роста цен на электроэнергию за последние три года в первой ценовой зоне более очевидна, чем во второй. Рынок обладает высокой волатильностью, вызванной изменениями спроса и предложения в результате совокупного влиянием большого количества факторов. В динамике цен наблюдаются сезонные колебания (недельные и годовые).
Оптимальным методом прогнозирования цены на электроэнергию из класса параметрических моделей, является сезонная модель авторегрессии - скользящего среднего SARIMA, учитывая сезонный характер рынка. В результате исследования, подобран метод с разделением данных на два подмножества: ноябрь-апрель и май- октябрь, и дальнейшим построение прогнозной модели для каждого из них. Такой метод позволят с большей точностью моделировать исходный ряд и предсказывать будущие значения.
Среди класса моделей искусственного интеллекта были проанализированы следующие: многослойный перцептрон прямого распределения, однослойная
рекуррентная нейронная сеть LSTM, которые строились на основе исторических данных индекса РСВ и нейронная сеть на основе факторов, определяющих цену РСВ.
Применение нейронной сети для краткосрочного прогнозирования цены на электроэнергию, основываясь только на строго детерминированных на прогнозный период факторах, превзошло результаты нейронных сетей на основе исторических данным. Результаты факторного моделирования с помощью нейронной сети показывают, что предложенный набор из пяти факторов (цена за предыдущий день, цена в аналогичный день на прошлой неделе, день недели и бинарные переменные, относящие текущий день к рабочему дню или к выходному/праздничному дню) позволяет с высокой точностью построить недельный прогноз цены на рынке «на сутки вперед».
Сравнения между собой нейронные сети и параметрические модели, все большее предпочтение сегодня отдается в пользу моделей искусственного интеллекта. В свою очередь параметрические модели имеют очень четкое математико-статистическое обоснование, что делает их одними из наиболее научно обоснованных моделей, у них формализованная и наиболее подробно разработанная методика, следуя которой можно подобрать модель, наиболее подходящую к каждому конкретному временному ряду. Однако у таких моделей есть существенные недостатки. Среди них неадаптивность моделей: при получении новых данных модель нужно периодически переоценивать, а иногда - и переидентифицировать. Подбор оптимальных параметров требует больших затрат ресурсов и времени. Само же построение модели скорее является "искусством", то есть требует большого опыта со стороны прогнозиста.
По сравнению с линейными методами статистики нейронные сети позволяют эффективно строить нелинейные зависимости. Совершенно очевидно, что свою силу они черпают, во-первых, из распараллеливания обработки информации и, во-вторых, из способности самообучаться. Используя способность обучения на множестве примеров, нейронная сеть способная решать задачи, в которых неизвестны закономерности развития ситуации и зависимости между входными и выходными данными. Нейронные сети обладают способностью адаптироваться к изменениям окружающей среды. В частности, сети, обученные действовать в определенной среде, могут быть легко переучены для работы в условиях незначительных колебаний параметров сети.
На сегодняшний день потенциал применения нейронных сетей в области электроэнергетики не ограничивается только прогнозированием цен на электроэнергию, нейронные сети могут применяться для анализа технического состояния и оценки надежности энергогенерирующего оборудования, прогнозирования потребления электроэнергии, оптимизации распределения нагрузки и для решения других экономических задач, стоящих перед электроэнергетическими компаниями.
![Общая схема функционирования рынка электроэнергии в России (Источник: составлено автором на основе [51])](files/screen/192/192371/2122.png)